Машинное обучение в экономике

Технология машинного обучения — это разновидность искусственного интеллекта, позволяющая компьютерам самостоятельно обучаться, без предустановленных сценариев поведения. Она способна быстро обрабатывать огромные массивы неструктурированной информации, а затем делать на ее основе выводы и прогнозы.

Чем больше данных предоставлено такой системе для обработки, тем точнее будет конечный результат. По этой причине Machine learning все чаще используется финансовыми компаниями, чья работа связана с хранением терабайтов информации о клиентах, их платежах, кредитных историях и т.д.

Алгоритмы машинного обучения могут найти применение фактически в любой компании финансового сектора. Вот несколько популярных вариантов их применения в реальном бизнесе.

Скоринг

ML помогает определить риски предоставления кредитов разным заемщикам. Даже тем, у которых еще нет кредитной истории. В таких случаях, прогнозы делаются на основе личных данных человека, истории его финансовых операций, активностей в Сети и аналогичных факторов.

Андеррайтинг

Решения на основе машинного обучения позволяют автоматизировать процесс выкупа и размещения ценных бумаг. Это позволяет совершать сделки по лучшим ценам и исключает ошибки, обусловленные человеческим фактором.

Чат-боты

Общение с клиентами отнимает у компаний много времени, а обеспечение работы колл-центров стоит недешево. Машинное обучение может существенно сократить нагрузку на операторов с помощью чат-ботов, которые изучают запросы людей и генерируют для них персонализированные ответы.

Удержание клиентов

Алгоритмы ML могут предсказать поведение человека, на основании его демографических данных и истории финансовых операций. Это позволяет компаниям своевременно узнавать о рисках потери клиентов и спроектировать для них наиболее подходящие предложения для удержания.

Несмотря на относительную «юность» технологии, она уже используется крупными финансовыми компаниями. Более того, существуют успешные примеры ее применения. Рассмотрим популярные факты на отечественном и мировом рынке.

MasterCard

В 2016 году система машинного обучения MasterCard Safety Net выявила аномалии, такие как снятие крупных денежных средств за пределами привычного региона использования для данного счета. Активность распространялась на 300 банкоматов в 26 странах.

Платежная система заблокировала транзакции и отправила соответствующие уведомления в банки.

Позже выяснилось, что это были мошеннические действия, которые могли привести к убыткам свыше $40 млн. Однако, благодаря системе машинного обучения Safety Net, потери были ограничены всего $100 тысячами.

Monobank

Используя технологию Machine learning, украинский банк Monobank смог уменьшить количество проблемных заемщиков. Процент их определения повысился до 66%. Это позволило финучреждению увеличить количество выдаваемых кредитов, в том числе людям без кредитной истории. В результате банк существенно повысил прибыльность своих продуктов, минимизировав риски невозврата.

Алгоритмы машинного обучения открывают новые возможности для развития бизнеса.

Они помогают: автоматизировать все возможные процессы, построить более грамотную модель взаимодействия с клиентами, принимать более взвешенные управленческие решения и многое другое.